Upsonic让自主 AI Agent 一句话搞定体育数据分析【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistantUpsonic开源名 GPT-Computer-Assistant是一个用 Python 搭建自主 AI Agent 的框架Agent 能自己理解任务描述、调用工具并交付结果。散落在 PDF 和网页里的数据要整理成分析报告手工流程很费时把一句话任务交给 Upsonic 的 Agent就能直接拿到交付物。能力速览能力一句话说明AgentTask一行代码定义智能体一句话下发任务它自己挑工具完成Team多智能体协作多个分工智能体按顺序或协调模式接力处理任务相当于数据岗和写作岗各就各位AutonomousAgent自主模式在指定工作目录内读写文件、执行命令适合看文件找问题类任务OCR 文档解析把扫描件 PDF、图片变成可检索文本供后续分析流程使用 场景实战从散落的比赛报告到一份成品分析把扫描件比赛报告一次调用变成可读数据源假设手头有一摞扫描版联赛战报 PDF 和几十张球员数据截图手工誊录数据至少要花几个小时。Upsonic 的 OCR 管线分两层Layer 0 负责把 PDF 转成图片并做预处理Layer 1 负责识别引擎本身装上uv pip install upsonic[ocr]依赖后一次ocr.get_text(match_report.pdf)就能拿到文件里的文本EasyOCR、Tesseract 等引擎可换用。文本出来后交给 Agent。Upsonic 的自定义工具很直白任何 Python 函数加上tool装饰器就能挂给 Agent 当数据源下面这段直接可跑from upsonic import Agent, Task agent Agent(modelanthropic/claude-sonnet-4-5, name体育分析师) task Task(description分析球队近5场得分趋势解释波动原因并输出总结) result agent.do(task) print(result)agent.do(task)拿回的是完整的文本交付物可以直接写进文件或交给下一步想看过程就换成agent.print_do(task)运行中的中间步骤会打印到控制台结果不对时能看出卡在哪一步。网络数据源方面内置工具库 里有现成的duckduckgo_search_tool、YFinanceTools等搜索与金融数据工具不用自己写 HTTP 请求。把分析流程拆给多个智能体接力单个 Agent 包办全流程也能跑但流程一长结论容易混杂。拆开后清爽很多from upsonic import Agent, Task, Team team Team( agents[Agent(anthropic/claude-sonnet-4-5, name数据专员, role抓取并整理比赛数据), Agent(anthropic/claude-sonnet-4-5, name报告专员, role撰写分析报告)], modesequential ) team.do([Task(收集上一轮比赛的得分数据), Task(基于数据写一份分析报告并输出成文件)])modesequential表示按列表顺序接力执行数据专员先产出结构化数据报告专员接手写报告最终交付物是一份完整的报告文件。这种拆法的好处是每个环节的中间结果都独立可见数据有错只需修数据专员不用重跑整个流程。⚡ 进阶一瞥跨轮记住结论用Chat(session_id..., full_session_memoryTrue)创建会话Agent 记得此前所有分析追问上轮得分为什么下滑时不用重述背景。让 Agent 直接操作数据目录AutonomousAgent(model..., workspace/path/to/logs)在该目录内读写文件、执行命令路径穿越和危险命令默认被拦截可以放心指向数据目录。 跑起来安装一行命令pip install upsonic在运行目录放一个.env写一行OPENAI_API_KEYsk-...或ANTHROPIC_API_KEY...框架会自动加载。之后正文第一段代码即可直接运行Agent 输出分析结果即代表环境就绪。去哪找更多帮助示例代码Agent、Chat、Team、记忆等场景的可运行示例赶时间时直接照抄改预制自主智能体社区搭好的现成 Agent自带技能和系统提示词装完就能用README 快速开始五分钟过一遍环境配置含把官方文档加进 IDE 索引的方法Upsonic 把抓数据、清洗、分析、写报告这条通常要数小时的链路压缩成一句任务描述流程交给框架剩下的功夫花在数据和任务描述本身。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Upsonic：让自主 AI Agent 一句话搞定体育数据分析
Upsonic让自主 AI Agent 一句话搞定体育数据分析【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistantUpsonic开源名 GPT-Computer-Assistant是一个用 Python 搭建自主 AI Agent 的框架Agent 能自己理解任务描述、调用工具并交付结果。散落在 PDF 和网页里的数据要整理成分析报告手工流程很费时把一句话任务交给 Upsonic 的 Agent就能直接拿到交付物。能力速览能力一句话说明AgentTask一行代码定义智能体一句话下发任务它自己挑工具完成Team多智能体协作多个分工智能体按顺序或协调模式接力处理任务相当于数据岗和写作岗各就各位AutonomousAgent自主模式在指定工作目录内读写文件、执行命令适合看文件找问题类任务OCR 文档解析把扫描件 PDF、图片变成可检索文本供后续分析流程使用 场景实战从散落的比赛报告到一份成品分析把扫描件比赛报告一次调用变成可读数据源假设手头有一摞扫描版联赛战报 PDF 和几十张球员数据截图手工誊录数据至少要花几个小时。Upsonic 的 OCR 管线分两层Layer 0 负责把 PDF 转成图片并做预处理Layer 1 负责识别引擎本身装上uv pip install upsonic[ocr]依赖后一次ocr.get_text(match_report.pdf)就能拿到文件里的文本EasyOCR、Tesseract 等引擎可换用。文本出来后交给 Agent。Upsonic 的自定义工具很直白任何 Python 函数加上tool装饰器就能挂给 Agent 当数据源下面这段直接可跑from upsonic import Agent, Task agent Agent(modelanthropic/claude-sonnet-4-5, name体育分析师) task Task(description分析球队近5场得分趋势解释波动原因并输出总结) result agent.do(task) print(result)agent.do(task)拿回的是完整的文本交付物可以直接写进文件或交给下一步想看过程就换成agent.print_do(task)运行中的中间步骤会打印到控制台结果不对时能看出卡在哪一步。网络数据源方面内置工具库 里有现成的duckduckgo_search_tool、YFinanceTools等搜索与金融数据工具不用自己写 HTTP 请求。把分析流程拆给多个智能体接力单个 Agent 包办全流程也能跑但流程一长结论容易混杂。拆开后清爽很多from upsonic import Agent, Task, Team team Team( agents[Agent(anthropic/claude-sonnet-4-5, name数据专员, role抓取并整理比赛数据), Agent(anthropic/claude-sonnet-4-5, name报告专员, role撰写分析报告)], modesequential ) team.do([Task(收集上一轮比赛的得分数据), Task(基于数据写一份分析报告并输出成文件)])modesequential表示按列表顺序接力执行数据专员先产出结构化数据报告专员接手写报告最终交付物是一份完整的报告文件。这种拆法的好处是每个环节的中间结果都独立可见数据有错只需修数据专员不用重跑整个流程。⚡ 进阶一瞥跨轮记住结论用Chat(session_id..., full_session_memoryTrue)创建会话Agent 记得此前所有分析追问上轮得分为什么下滑时不用重述背景。让 Agent 直接操作数据目录AutonomousAgent(model..., workspace/path/to/logs)在该目录内读写文件、执行命令路径穿越和危险命令默认被拦截可以放心指向数据目录。 跑起来安装一行命令pip install upsonic在运行目录放一个.env写一行OPENAI_API_KEYsk-...或ANTHROPIC_API_KEY...框架会自动加载。之后正文第一段代码即可直接运行Agent 输出分析结果即代表环境就绪。去哪找更多帮助示例代码Agent、Chat、Team、记忆等场景的可运行示例赶时间时直接照抄改预制自主智能体社区搭好的现成 Agent自带技能和系统提示词装完就能用README 快速开始五分钟过一遍环境配置含把官方文档加进 IDE 索引的方法Upsonic 把抓数据、清洗、分析、写报告这条通常要数小时的链路压缩成一句任务描述流程交给框架剩下的功夫花在数据和任务描述本身。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考